基于BP神經(jīng)網(wǎng)絡(luò)遺傳算法的藥型罩優(yōu)化

郭浩然，季茂榮，郭　濤，武雙章

(解放軍理工大學(xué)，江蘇 南京 210007)

基于BP神經(jīng)網(wǎng)絡(luò)遺傳算法的藥型罩優(yōu)化

郭浩然，季茂榮，郭濤，武雙章

(解放軍理工大學(xué)，江蘇 南京 210007)

摘要：線性聚能裝藥爆破效果的影響因素有很多，且各因素的影響多是非線性的，而且非常復(fù)雜，其中藥型罩結(jié)構(gòu)的優(yōu)化設(shè)計(jì)一直是重點(diǎn)。為了探索有效的藥型罩優(yōu)化方法，本研究對(duì)楔形罩運(yùn)用正交試驗(yàn)法設(shè)計(jì)方案，利用ANSYS/LS-DYNA進(jìn)行數(shù)值模擬獲得結(jié)果，再以結(jié)構(gòu)參數(shù)和最大射流速度分別作為BP神經(jīng)網(wǎng)絡(luò)的輸入和輸出進(jìn)行訓(xùn)練，并將預(yù)測(cè)值作為適應(yīng)度，結(jié)合遺傳算法對(duì)藥型罩進(jìn)行最優(yōu)結(jié)構(gòu)藥型罩參數(shù)和最優(yōu)最大射流速度搜索。結(jié)果表明，該方法能夠結(jié)合正交試驗(yàn)法和BP神經(jīng)網(wǎng)絡(luò)遺傳算法的優(yōu)點(diǎn)，快速精確地進(jìn)行藥型罩結(jié)構(gòu)優(yōu)化。

關(guān)鍵詞：線性聚能裝藥；正交試驗(yàn)法；BP神經(jīng)網(wǎng)絡(luò)遺傳算法；結(jié)構(gòu)優(yōu)化

線性聚能裝藥是從錐形聚能裝藥發(fā)展而來，具有高速、高效、操作方便、不受環(huán)境限制等優(yōu)點(diǎn)，非普通切割方法所比[1]。該爆破方式具有強(qiáng)烈的方向性，適用于需要沿定向產(chǎn)生裂縫的爆破要求，并可減少鉆孔工作量，提高破裂壁面的平整度[2]。為了利用有限的裝藥達(dá)到最大的切割效果，線性聚能裝藥爆破的研究一直是熱門課題。

陳壽峰等針對(duì)不同炸高、不同材質(zhì)聚能罩的聚能藥包，利用ANSYS/LS-DYNA進(jìn)行數(shù)值模擬，初步分析了聚能爆破破巖機(jī)理，得出了聚能爆破各主要參數(shù)對(duì)破巖效果影響的基本規(guī)律[3]。郭德勇等根據(jù)聚能流侵徹、應(yīng)力波拉伸和爆生氣體氣楔作用機(jī)理，在分析聚能爆破裂隙起裂擴(kuò)展條件基礎(chǔ)上，設(shè)計(jì)了深孔聚能爆破頂板弱化方案，并優(yōu)化了爆破參數(shù)[4]。曹麗娜等通過分析聚能射流形成的機(jī)理，并結(jié)合數(shù)值方法研究了不同形狀石油射孔彈聚能裝藥藥型罩結(jié)構(gòu)參數(shù)對(duì)射流速度的影響，結(jié)果表明，藥型罩壁厚的增大會(huì)降低射流速度，并指出喇叭形罩效果最好[5]。崔鐵軍等基于露天開礦爆破結(jié)果，結(jié)合神經(jīng)網(wǎng)絡(luò)和遺傳算法得到了最優(yōu)超爆深度、飛石距離和爆破方案，并證明了該優(yōu)化方法的有效性[6]。

研究旨在結(jié)合正交試驗(yàn)法和BP神經(jīng)網(wǎng)絡(luò)遺傳算法優(yōu)化的優(yōu)點(diǎn)，給出一種有效的裝藥結(jié)構(gòu)設(shè)計(jì)方法，并運(yùn)用ANSYS/LS-DYNA仿真了42mm炮孔條件下的楔形罩聚能裝藥起爆，以最大射流速度為目標(biāo)分別進(jìn)行結(jié)構(gòu)優(yōu)化，最后利用數(shù)值模擬驗(yàn)證了該方法的有效性，從而為爆破裝藥設(shè)計(jì)提供參考。文章中所使用的優(yōu)化設(shè)計(jì)流程見圖1。

圖1　優(yōu)化設(shè)計(jì)流程圖

1正交試驗(yàn)方案

正交試驗(yàn)法，就是指運(yùn)用正交表來安排試驗(yàn)方案和進(jìn)行結(jié)果分析的一種試驗(yàn)設(shè)計(jì)方法[7-8]。由于正交表是根據(jù)均衡分布思想，運(yùn)用組合數(shù)學(xué)理論構(gòu)造的一種數(shù)學(xué)表格，具有正交性、典型性以及綜合可比性等優(yōu)點(diǎn)，所以它適用于多因素、多指標(biāo)，具有隨機(jī)誤差的試驗(yàn)。

正交試驗(yàn)高效率、快速且經(jīng)濟(jì)，是分式析因設(shè)計(jì)的主要方法，所選擇的代表點(diǎn)具有“均勻分散，齊整可比”的特點(diǎn)，故利用正交試驗(yàn)法來選擇楔形罩聚能裝藥的試驗(yàn)方案，以減少試驗(yàn)次數(shù)。

1.1輸入因素

影響線性聚能裝藥射流成型的主要因素：炸藥參數(shù)(包括炸藥類型和炸藥密度)、藥型罩參數(shù)(包括罩材料，罩形狀和罩壁厚等)、起爆方式和不耦合系數(shù)等。

考慮藥型罩結(jié)構(gòu)各參數(shù)配置，本研究中選擇楔形罩頂角2α、壁厚δ和裝藥中心至藥形罩兩側(cè)裝藥最外緣張開角2β作為在楔形罩線性聚能裝藥設(shè)計(jì)的輸入因素，見圖2。

1.2方案設(shè)計(jì)

不考慮各因素間的交互作用，并結(jié)合工程實(shí)際要求，給出影響楔形罩線性聚能裝藥設(shè)計(jì)的結(jié)構(gòu)因素及對(duì)應(yīng)水平值。

圖2　楔形罩參數(shù)示意圖

因素張開角2β/°罩頂角2α/°壁厚δ楔形罩水平一45800.6水平二50850.8水平三55901.0水平四60--水平五65--水平六70--

根據(jù)因素?cái)?shù)和水平數(shù)，借用L18(6×36)正交表，運(yùn)用擬水平法[9]設(shè)計(jì)一組正交設(shè)計(jì)表，共18次試驗(yàn)，試驗(yàn)組合如表2所示。若運(yùn)用全部參數(shù)進(jìn)行試驗(yàn)，則需要6×3×3=36組試驗(yàn)方案，因此正交實(shí)驗(yàn)法有效減少了試驗(yàn)次數(shù)。

2數(shù)值模擬

根據(jù)正交試驗(yàn)方案，運(yùn)用ANSYS/LS-DYNA進(jìn)行數(shù)值模擬，并記錄最大射流速度。

2.1計(jì)算模型

采用cm-g-μs單位制，炮孔直徑為42mm，聚能裝藥結(jié)構(gòu)半徑為20mm。藥型罩對(duì)應(yīng)的結(jié)構(gòu)裝藥為粉狀乳化炸藥，其材料模型為MAT_HIGH_EXPLOSIVE_BURN，采用EOS_JWL狀態(tài)方程；藥型罩材料均為工業(yè)純鐵，材料模型為MAT_STEINBERG，采用EOS_GRUNEISEN狀態(tài)方程；空氣采用MAT_NULL模型，狀態(tài)方程為EOS_GRUNEISEN。炸藥、藥型罩和空氣3種材料均采用EULER網(wǎng)格建模，起爆點(diǎn)位于裝藥頂部中心處。計(jì)算時(shí)間為100μs。由于線性聚能裝藥結(jié)構(gòu)是面對(duì)稱結(jié)構(gòu)，在其斷面上建立1/4模型，以有效減少模型大小，節(jié)省計(jì)算時(shí)間，楔形罩線性聚能裝藥的完整計(jì)算模型見圖3。

2.2數(shù)值模擬結(jié)果

數(shù)值模擬得到各試驗(yàn)方案下對(duì)應(yīng)的最大射流速度vmax列于表2。

圖3　楔形線性聚能裝藥計(jì)算模型

序號(hào)參數(shù)指標(biāo)1(張開角)2β/°2(罩頂角)2α/°3(壁厚)/mmvmax/(m·s-1)楔形罩結(jié)構(gòu)145851.01812245900.61734345950.81656450850.81759?????1565950.818081670850.818851770901.017911870950.61710

由表2可得，炮孔直徑42mm，裝藥半徑20mm的條件下，藥型罩三個(gè)結(jié)構(gòu)參數(shù)與最大射流速度均成非線性關(guān)系。

3結(jié)構(gòu)參數(shù)優(yōu)化

對(duì)藥型罩仿真數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練并測(cè)試，從而獲得不同藥型罩結(jié)構(gòu)參數(shù)與最大射流速度的對(duì)應(yīng)關(guān)系，然后以最優(yōu)最大射流速度為目標(biāo)，應(yīng)用遺傳算法進(jìn)行優(yōu)化。

3.1BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

為了進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練以及對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行測(cè)試，將仿真數(shù)據(jù)隨機(jī)分成訓(xùn)練集(含12組數(shù)據(jù))，和測(cè)試集(含6組數(shù)據(jù))。對(duì)于藥型罩，網(wǎng)絡(luò)輸入?yún)?shù)為裝藥張開角2β，罩頂角2α，罩頂壁厚δ，輸出參數(shù)為最大射流速度Vmax，其輸入?yún)?shù)為3個(gè)，輸出參數(shù)為1個(gè)，故可采用單隱含層BP神經(jīng)網(wǎng)絡(luò)，神經(jīng)元數(shù)目取為5，網(wǎng)絡(luò)結(jié)構(gòu)為3-5-1，采用的節(jié)點(diǎn)轉(zhuǎn)移函數(shù)為正切S形函數(shù)，見式(1)。

(1)

對(duì)藥型罩的仿真數(shù)據(jù)進(jìn)行訓(xùn)練，并將測(cè)試集輸入數(shù)據(jù)對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與仿真值進(jìn)行對(duì)比。為了反映誤差的程度，誤差度定義見式(2)。

(2)

圖4　神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

由上圖(b)可知，對(duì)應(yīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)帶來的誤差不超過4%。因此，訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)的對(duì)藥型罩結(jié)構(gòu)的最大射流速度預(yù)測(cè)精度是比較高的，能夠較為準(zhǔn)確地反映藥型罩結(jié)構(gòu)參數(shù)與最大射流速度的關(guān)系。

3.2遺傳算法尋優(yōu)

為了直觀反映個(gè)體適應(yīng)度值的變化，將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值，即最大射流速度的預(yù)測(cè)值直接作為遺傳算法中的個(gè)體適應(yīng)度，適應(yīng)度值越大，個(gè)體越優(yōu)；由于決定最大射流速度的變量有3個(gè)，所以個(gè)體長(zhǎng)度為3；交叉概率取為0.4，變異概率取為0.2；設(shè)置遺傳算法種群規(guī)模為30，進(jìn)化代數(shù)為200，進(jìn)化代數(shù)為100，當(dāng)達(dá)到最大進(jìn)化代數(shù)時(shí)，尋優(yōu)過程結(jié)束，此時(shí)最大個(gè)體適應(yīng)度值對(duì)應(yīng)的參數(shù)即為最優(yōu)結(jié)構(gòu)參數(shù)。

設(shè)置罩頂角2α，裝藥張開角2β，罩頂壁厚δ的優(yōu)化搜索集合分別是[85°，95°]，[45°，65°]，[0.6mm，1.0mm]。編寫算法代碼對(duì)藥型罩結(jié)構(gòu)進(jìn)行優(yōu)化，可得藥型罩結(jié)構(gòu)的最優(yōu)結(jié)構(gòu)參數(shù)和相應(yīng)的最大射流速度。

由表3可知，優(yōu)化得到的藥型罩最優(yōu)最大射流速度要高于數(shù)值模擬的最優(yōu)結(jié)果，且對(duì)應(yīng)的壁厚較小。為了反映遺傳算法優(yōu)化過程的收斂性，給出了藥型罩最優(yōu)個(gè)體適應(yīng)度值(最大射流速度)隨進(jìn)化代數(shù)的變化曲線。

由圖5可知，對(duì)于藥型罩而言遺傳算法具有較好的收斂性，且最優(yōu)適應(yīng)度值呈階梯狀提高，收斂速度也不斷提高，特別是當(dāng)進(jìn)化代數(shù)超過100后，個(gè)體最優(yōu)適應(yīng)度值均近似不變。

3.3優(yōu)化結(jié)果驗(yàn)證

為了檢驗(yàn)藥型罩結(jié)構(gòu)優(yōu)化結(jié)果，采用之前獲得的最優(yōu)結(jié)構(gòu)參數(shù)進(jìn)行了仿真驗(yàn)證，并將仿真結(jié)果與優(yōu)化計(jì)算結(jié)果進(jìn)行對(duì)比見表4。

表3　藥型罩優(yōu)化結(jié)果

圖5　藥型罩適應(yīng)度圖

藥型罩類型計(jì)算結(jié)果仿真結(jié)果誤差度VBPmax/(m·s-1)Vmax/(m·s-1)E/%楔形罩19501934-0.82

由表4可知，優(yōu)化計(jì)算結(jié)果均十分接近仿真結(jié)果，誤差不超過1%，這表明BP神經(jīng)網(wǎng)絡(luò)遺傳算法優(yōu)化的精度是很高的，很適合于進(jìn)行非線性目標(biāo)的優(yōu)化。

4結(jié)論

1)利用正交試驗(yàn)法進(jìn)行方案設(shè)計(jì)，結(jié)合BP神經(jīng)網(wǎng)絡(luò)遺傳算法進(jìn)行藥型罩優(yōu)化設(shè)計(jì)，既能夠減少試驗(yàn)次數(shù)，又能夠獲得較為精確的優(yōu)化結(jié)果，通過實(shí)例表明，該方法是十分有效的。

2)對(duì)于楔形罩而言，罩頂角2α、張開角2β以及壁厚δ三個(gè)結(jié)構(gòu)參數(shù)與最大射流速度均成非線性關(guān)系。

3)文中主要依據(jù)數(shù)值仿真結(jié)果進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測(cè)試，通過優(yōu)化得到的藥型罩最優(yōu)結(jié)果仍需要在實(shí)際應(yīng)用中進(jìn)一步驗(yàn)證調(diào)整。

4)盡管通過此方法可以對(duì)楔形罩進(jìn)行很好的優(yōu)化設(shè)計(jì)，但能否對(duì)所有類型的藥型罩進(jìn)行優(yōu)化設(shè)計(jì)仍需要進(jìn)一步研究。

參考文獻(xiàn)

[1]王克波，鄭宇.線性聚能裝藥結(jié)構(gòu)的數(shù)值仿真優(yōu)化[J].爆破，2012，29(2)：99-103.

[2]張奇.線性無罩聚能裝藥的破巖機(jī)理[J].爆破器材，1988(3)：4-7.

[3]陳壽峰，薛士文，高偉偉，等.巖石聚能爆破試驗(yàn)與數(shù)值模擬研究[J].爆破，2012，29(4)：14-18.

[4]郭守泉，蒲文龍.煤礦巖石巷道中深孔聚能爆破新技術(shù)研究[J].煤，2013，22(6)：8-11.

[5]曹麗娜，韓秀清，董小剛，等.藥型罩結(jié)構(gòu)對(duì)聚能射流影響的數(shù)值模擬[J].礦業(yè)研究與開發(fā)，2009(6)：98-100，105.

[6]崔鐵軍，馬云東，白潤(rùn)才.基于神經(jīng)網(wǎng)絡(luò)優(yōu)化遺傳算法的爆破參數(shù)優(yōu)化[J].地震工程與工程振動(dòng)，2014(1)：257-262.

[7]任露泉.試驗(yàn)優(yōu)化技術(shù)[M].北京：機(jī)械工業(yè)出版社，1987.

[8]奧野忠一，芳賀敏郎.試驗(yàn)設(shè)計(jì)方法[M].北京：機(jī)械工業(yè)出版社，1985.

[9]王學(xué)深.正交試驗(yàn)設(shè)計(jì)法[J].山西化工，1989(3)：53-58.

Charge optimization based on BP neural networks and genetic algorithm

GUOHao-ran，JIMao-rong，GUOTao，WUShuang-zhang

(PLAUniversityofScienceandTechnology，Nanjing210007，China)

Abstract:Many factors can affect the performance of LSC，and most of these effects are nonlinear and complicated.The optimization design of charge structures is noticed widely.For efficient optimization methods，the wedge charge respectively was considered as research objects.First，the orthogonal experimental method was used to design different programs，and the ANSYS/LS-DYNA was used to obtain simulation results.Then，the structural parameters and the jet velocity maximum were set as the input and output of BP neural networks for training，and the prediction result was set as the fitness.Finally，the genetic algorithm was applied to search best structural parameters and jet velocity maximum of the wedge charge respectively.The study results indicated that this method can combine advantages of the orthogonal experimental method，BP neural networks and genetic algorithm for efficient optimization of charge structures.

Key words：LSC(linear shaped charge)；orthogonal experimental method；BP neural network and genetic algorithm；structural optimization

收稿日期：2015-07-28

作者簡(jiǎn)介：郭浩然(1987-)，男，江蘇鹽城人，解放軍理工大學(xué)碩士研究生，從事炸藥爆炸及其爆破開挖方面的研究。E-mail：261319314@qq.com。

中圖分類號(hào)：TD235

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4051(2016)04-0108-04